R语言主成分分析的案例
R语言主成分分析的案例R语言也介绍到案例篇了,也有不少同学反馈说还是不是特别明白一些基础的东西,希望能够有一些比较浅显的可以操作的入门。其实这些之前SPSS实战案例都不少,老实说一旦用上了开源工具就好像上瘾了,对于以前的SAS、clementine之类的可视化工具没有一点感觉了。本质上还是觉得要装这个、装那个的比较麻烦,现在用R或者python直接简单安装下,导入自己需要用到的包,活学活用一些命令函数就可以了。以后平台上集成R、python的开发是趋势,包括现在BAT公司内部已经实现了。 今天就贴个盐泉水化学分析资料的主成分分析和因子分析通过R语言数据挖掘的小李子: 有条件的同学最好自己安装下R,操作一遍。今有20个盐泉,盐泉的水化学特征系数值见下表.试对盐泉的水化学分析资料作主成分分析和因子分析.(数据可以自己模拟一份)其中x1:矿化度(g/L);x2:Br103/Cl;x3:K103/盐;x4:K103/Cl;x5:Na/K;x6:Mg102/Cl;x7:Na/Cl.1.数据准备导入数据保存在对象saltwell中>saltwell<-read.table("c:/saltwell.txt",header=T)>saltwell2.数据分析1标准误、方差贡献率和累积贡献率>arrests.pr<- prcomp(saltwell, scale = TRUE)>summary(arrests.pr,loadings=TRUE)2每个变量的标准误和变换矩阵>prcomp(saltwell, scale = TRUE)3查看对象arests.pr中的内容> > str(arrests.pr)4利用主成分的标准误计算出主成分的累积方差比例>cumsum(arrests.pr$sdev2)/710.6067060 0.7850968 0.9165341 0.9790524 0.9954128 0.9999024 1.00000005各个化学成分占主成分的得分> arrests.pr$x6数据分析结果图形表示>screeplot(arrests.pr,main="saltwell")> biplot(arrests.pr)按第一主成分排序的结果:> data.frame(sort(arrests.pr$x,1)主因子分析计算数据的相关系数矩阵saltwell.cor<-cor(saltwell)> saltwell.cor计算特征值和特征向量及因子的贡献率和累积贡献率> saltwell.eigen<-eigen(saltwell.cor)> saltwell.eigen根据主成分分析结果确定公共因子个数.> saltwell.pr<- princomp(saltwell, cor=T)> summary(saltwell.pr)均值> saltwell.pr$center标准误> saltwell.pr$scale下面用特征值的平方根乘以相应的特征向量得到因子载荷矩阵.并且只显示前2个因子的结果:> t(sqrt(saltwell.eigen$values) *t(saltwell.eigen$vectors),1:2用R语言自带的函数factanal()进行分析>saltwell.fa<-factanal(saltwell,factors = 2)> print(saltwell.fa, cutoff=0.001)下面用回归方法(regression)计算因子得分并作图,然后对样本进行分类.> saltwell.fa<-factanal(saltwell,factors = 2, scores = "regression")> saltwell.fa$scores